提示詞描述

輸入圖像首先經由一個去噪模組進行去噪處理，然後進入 PSF 特徵頻域融合模組以實現反捲積。後者具有兩個反捲積分支，一個用於圖像層級的反捲積，另一個用於特徵層級的反捲積。使用雙分支考慮了複雜海洋水下成像場景中的兩個核心問題。一方面，圖像層級的反捲積容易受到噪聲放大和偽影干擾。反捲積本質上是一個高頻增強過程。當信噪比 (SNR) 較低時（例如在深海低光、高散射環境中），並且當 PSF 存在誤差時，感測器噪聲和量化誤差將會被顯著放大，導致重建圖像中出現振鈴效應、過衝或錯誤紋理。這些偽影可能會被後續的識別網路誤判為目標特徵，從而降低識別的穩健性。另一方面，特徵層級的退化沒有被顯式建模。即使圖像看起來「清晰」，深度神經網路提取的高階語義特徵可能仍然會因為原始的退化而失真（例如，邊緣響應偏移、紋理能量衰減）。如果僅依賴圖像層級的恢復，則無法保證特徵空間中的辨別力能夠被恢復。對於圖像層級的反捲積分支，圖像經過反捲積以生成第一個初始重建圖像；對於特徵層級的反捲積分支，圖像通過一個特徵提取模組 (FM) 以獲得一系列特徵圖，這些特徵圖經過維納逆濾波並通過一個特徵重建模組恢復到第二個初始重建圖像。之後，兩個初始重建圖像被疊加並輸入到一個多尺度殘差融合模組中，並輸出最終清晰的重建圖像。請根據此描述幫我繪製整體網路結構圖。